Kelompok 3

Uji Asumsi Klasik Dan Uji Normalitas

 Ekonometrika
Nama Dosen Pengampuh: Risa Mahdayani, M.Pd

Nama Kelompok:
Amalia
Ayu Sri Ulandari
Chaerul Rifaldi
Muhammad Adji Pangestu
 Pembah
asan
1.Bagaimana mendapatkan persamaan Uji Asumsi Klasik
dan Uji Normalitas?
2.Bagaimana untuk menentukan Dasar Keputusan
Uji Asumsi dan Uji Normalitas?
Uji Asumsi Klasik dan
Uji Normalitas
01.
1.Uji asumsi klasik merupakan analisis menilai apakah di dalam
sebuah model regresi linear Ordinary Least Square (OLS)
terdapat masalah-masalah asumsi klasik. Tujuan pengujian asumsi
klasik ini adalah untuk memberikan kepastian bahwa persamaan
regresi yang didapatkan memiliki ketetapan dalam estimasi, tidak
bias, dan konsisten.
2. Uji Normalitas adalah sebuah uji yang dilakukan ditujuan
untuk menilai sebaran data pada sebuah kelompok data atau
variabel, apakah sebaran data tersebut berdistribusi nomal atau
tidak. Uji normalitas berguna untuk menentukan data yang telah
dikumpulkan berdistribusi normal atau diambil dari populasi
normal.
Untuk menguji normalitas data dapat menggunakan 2 cara yaitu
1. Secara visual (plot data), kelebihan cara ini akan terlihat kemencenngan atau
keruncingan data, namun rentan menimbulkan perbedaan persepsi antar pengamat.
Metode : histogram, box plot, steam and leaf plots, normal probability plot dan
detrended normal plot.
2. Melalui pengujian hipotesis, kelebihan cara ini tidak menimbulkan persepsi antar
pengamat, namun pola penyebaran data tidak terlihat.
 Dasar Pengambilan Keputusan Uji Asumsi
Klasik dan Uji Normalitas Menggunakan
Hipotesis uji normalitas dengan
SPSSmenggunakan SPSS
1. H0 : Sampel berasal dari populasi berdistribusi normal (data
berdistribui normal)
2. H1 : Sampel berasal dari populasi tidak berdistribusi normal
(data tidak berdistribusi normal)
Kriteria pengambilan keputusan
3. Signifikan ≥ 0,05 ; H0 diterima artinya data berdistribusi
normal
4. Signifikan ˂ 0,05 ; H0 ditolak artinya data tidak
berdistribusi normal
Contoh kasus
Dibawah ini merupakan data yang digunakan
Manager perusahaan untuk mengetahui pengaruh
biaya pelatihan karyawan dengan total produksi
tiap bulannya selama satu tahun (dalam juta
rupiah).
Biaya pelatihan 12 14 17 19 18 21 22 24 25 25 26 26
karyawan

Total penjualan 50 52 54 53 55 56 57 57 58 59 60 60
 Langkah-langkah uji normalitas Kolmogorov-Smirnov dengan
SPSS
1.Persiapkan data yang ingin di uji dalam file dokumen atau excel
2.Buka program spss lalu klik pada menu variable view (pojok kiri bawah)
kemudian isi menu pada variable view berdasarkan data sampel yang akan di uji
3.Klik data view dan copy data dari excel ke spss
4.Selanjutnya akan memunculkan nilai unstandardized residual (RES_1) yang
selanjutnya akan di uji normalitasnya. Caranya pilih menu Analyze – Regression –
Linear.
5.Muncul kotak “Linear Regression”, selanjutnya masukkan variabel terikat Y
(penjualan) ke kotak Dependent dan Variabel bebas X (biaya pelatihan) ke kotak
independent. Selanjutnya klik Save
6.Maka muncul kotak “Linear Regression : Save”. Pada bagia Residuals centang
(v) Unstandardized (abaikan kolom yang lain) selanjutnya klik continue, lalu klik Ok.
7.Abaikan saja output yang muncul dari program spss. Perhatikan pada tampilan
Data View, akan muncul variable baru dengan nama RES_1 (seperti pada layar)
8.Selanjutnya untuk melakukan uji normalitas Kolmogorov-Smirnov, pilih menu
Analyzed – Nonparametric Teast – Legacy Dialogs – 1 Sampel K-S
9.Muncul kotak “One-Sample Kolmogorov-Smirnov Test”.
10.Berdasarkan table output , diketahui nilai signifikansi : Asiymp.Sig (2-tailed)
sebesar 0,130 lebih besar dari 0,05 (0,130>0,05). Maka berdasarkan dasar
pengambilan keputusan uji normalitas dapat disimpulkan bahwa data berdistribusi
normal.
kesimpul
an
Pengujian asumsi klasik ini ditujukan agar dapat menghasilkan model
regresi yang memenuhi kriteria BLUE (Best Linier Unbiased Estimator).
Model regresi yang memenuhi kriteria BLUE dapat digunakan sebagai
estimator yang terpercaya dan handal dimana estimator tersebut
dinyatakan tidak bias, konsisten, berdistribusi normal dan juga efisien.
Untuk mengetahui apakah model regresi yang akan digunakan telah
memenuhi kriteria BLUE maka perlu dilakukan serangkaian pengujian
yaitu Uji Normalitas, Untuk menguji apakah data berdistribusi normal atau
tidak, dalam penelitian ini menggunakan uji dengan analisis statistik yaitu
uji Kolmogrov-Smirnov. Pada pengujian Kolmogrov- Smirnov ini. Data
dikatakan memenuhi uji normalitas dan memenuhi kriteria dari BLUE
(Best Linier Unbiased Estimator) apabila data dinyatakan berdistribusi
dengan normal.